基于自然选择算法优化粒子群算法

1、初始化：
初始化粒子群（粒子群共有n个粒子）：给每个粒子赋予随机的初始位置和速度
2、计算适应值：
根据适应度函数，计算每个粒子的适应值
3、求个体最佳适应值：
对每一个粒子，将其当前位置的适应值与其历史最佳位置（pbest）对应的适应值比较，如果当前位置的适应值更高，则用当前位置更新历史最佳位置
4、求群体最佳适应值：
对每一个粒子，将其当前位置的适应值与其全局最佳位置（gbest）对应的适应值比较，如果当前位置的适应值更高，则用当前位置更新全局最佳位置
5、更新粒子位置和速度：
根据公式更新每个粒子的速度与位置

6、对个体最优解排序选择

7、判断算法是否结束：
若未满足结束条件，则返回步骤2，若满足结束条件则算法结束，全局最佳位置（gbest）即即全局最优解
 

% N初始化群体个体数目
% c1学习因子1
% c2学习因子2
% w惯性权重 
% M最大迭代次数
% D搜索空间维数

function [xm,fv] = PSO_nature(fitness,N,c1,c2,w,M,D)
format long;
%%%%%%%%%%%%初始化种群的个体%%%%%%%%%%%%%%%%%%%%%%%%
for i=1:N
    for j=1:D
        x(i,j)=randn;  %初始化位置
        v(i,j)=randn;  %初始化速度
    end
end
%%